پیش بینی ارزش افزوده زیر بخش های کشاورزی با استفاده از روش های شبکه عصبی مصنوعی ،باکس- جنکینز وهلت-وینترز
- سال انتشار: 1388
- محل انتشار: هفتمین کنفرانس اقتصاد کشاورزی ایران
- کد COI اختصاصی: IAEC07_014
- زبان مقاله: فارسی
- تعداد مشاهده: 2502
نویسندگان
دانشجویان کارشناسی ارشد اقتصاد کشاورزی
دانشجویان کارشناسی ارشد اقتصاد کشاورزی
دانشیار گروه اقتصاد کشاورزی دانشگاه زابل
چکیده
ارزش افزوده زیر بخش های کشاورزی از عوامل زیادی همچون میزان تولید هریک از زیربخشها ی کشاورزی وقیمت فروش تولید کنندگان متاثر می شود وبا عواملی مانند سرمایه گذاری دولتی وسیاستهای پولی ومالی مرتبط است. این مطالعه عملکرد سه مدل شبکه عصبی مصنوعی ، باکس –جنکینز وهلت-وینترز غیر فصلی را در پیش بینی ارزش افزوده زیر بخشهای کشاورزی را آزمون کرده و برای تعیین بهترین مدل معیارهای خطا را در فرایند آزمون وتایید مدل ها مقایسه می کند. نتایج مشخص کرد که مدلهای باکس –جنکینزو شبکه عصبی مصنوعی رضایتبخش هستند ودر مرحله آموزش، شبکه عصبی مصنوعی نتایج نسبتا خوبی ارائه داده است. اما از طرف دیگر باکس- جنکینز برای پیش بینی داده های آینده بهتر عمل کرده است . روش هلت –وینترز در هر دو مرحله مدلسازی وتایید مدل پایین ترین درصد میانگین قدر مطلق خطا را داشته است ودر پیش بینی داده های آینده بهترین نتایج را تولید کرده است.کلیدواژه ها
شبکه عصبی مصنوعی،باکس –جنکینز،هلت وینترز،ارزش افزوده کشاورزیمقالات مرتبط جدید
- شورشدن خلیج گرگان پیامدهای تغییر اقلیم برای نماتودهای آزادزی
- تحلیل هیدرودینامیکی بر روند رسوبگذاری در بنادر جنوبی دریای کاسپین تحت تاثیر کاهش تراز سطح آب (مطالعه موردی بندر نوشهر)
- تحلیل پدیده گرد و غبار خوزستان با تاکید بر پیامدهای زیست محیطی و راهکارهای مدیریتی
- نقش بانکهای ژن بذر در حفظ تنوع زیستی و آینده کشاورزی
- بررسی تغییرات فصلی AQI و ارتباط آن با تعداد صنایع اقلیم و جمعیت هر استان
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.